処理が2値の場合、JMPの「因果処理」パーソナリティでは、4つの推定手法（比率調整付き逆確率重み付け（IPWR）、回帰調整（REGADJ）、拡張逆確率重み付け（AIPW）、傾向スコアマッチング）から選択できます。これらの推定手法のいずれかに慣れている方もいれば、どこから始めればよいか全くわからない方もいるでしょう。この記事は、「因果処理入門」ブログ記事とJMP 19のヘルプドキュメントと併せて、どの結果を報告すべきかを判断する際に役立つでしょう。
バイナリ処理が結果に与える影響に関心がある場合、「因果処理」パーソナリティを使用すると、処理モデルと応答モデルの2つのモデルを指定できます。処理モデルは、観測値が処理を受ける確率を推定します。応答モデルは、処理の両方のレベルにおける結果の期待値を推定します。IPWRと傾向スコアマッチングは、処理モデルに関する情報を用いて因果効果を推定します。REGADJは応答モデルに関する情報を用います。AIPWは、両方の情報を用います。
「因果処理入門」ブログ記事を読んだことがある方は、観察データから因果推論を行うために必要な3つの仮定、すなわち、陽性、一貫性、条件付き交換可能性を覚えているかもしれません。正しい因果推論を行うには、これらの仮定を置く必要があり、さらに、交絡セットを与えられた処理、または処理と交絡セットを与えられた応答の条件付き分布を正しくモデル化していることを前提とする必要があります。これは強い仮定です。なぜなら、目の前にあるサンプルを生成するデータ生成プロセスについて、私たちはあまりよく知らない可能性が高いからです。しかし、AIPW推定量は指定された処理モデルと応答モデルの両方の情報を使用するため、因果に関する質問に対する正しい答えを導き出す可能性が高くなります。
AIPW推定量は、二重にロバストな推定量として知られています。IPWR、傾向スコアマッチング、REGADJ推定量では、処理モデルまたは応答モデルのいずれかを正しく指定する必要がありますが、AIPW推定量では2回の試行が可能です。処理モデルまたは応答モデルのいずれかが正しく指定されていれば、AIPW推定量は一貫性を保ちます（Scharfstein et al., 1999）。一貫性とは、サンプルサイズが大きくなるにつれて、推定したい真の因果効果に近づくことを意味します。二重のロバスト性は、因果推論においてよく使われる用語です。これは、あらゆる情報を活用して目標推定値に可能な限り近づけることができる、望ましい特性だからです。
因果的治療パーソナリティは、使用する推定値を選択できるという点で優れています。他の3つの推定値のいずれかを使用する場合は、以下の点に留意してください。
- 傾向スコアマッチング推定量は通常、平均治療効果（ATET）の推定値しか提供できず、平均治療効果（ATE）の推定値は提供できません（Abadie & Imbens, 2006） 。この手法を検討する前に、どの因果推定値に関心があるのかを明確に定義してください。
- 処置モデルを用いる手法（IPWRや傾向スコアマッチングなど）は、サンプル数が少ないほど効果を発揮する可能性があります。これは、交絡因子の数が観測値の数を上回り、アウトカム回帰分析で信頼性の低い結果が得られる可能性があるためです（Benedetto et al., 2018）。IPWRとマッチングは、すべての交絡因子情報を傾向スコアという1つの数値に集約することで、この問題を軽減するのに役立ちます。
- 傾向スコアが極端な場合、REGADJはIPWRや傾向スコアマッチングよりも有利になる可能性があります。傾向スコアが非常に小さい、あるいは非常に大きい場合、多くの観測値が分析から除外され、サンプルサイズが減少し、推定値の精度が低下する可能性があります（Elze et al, 2017）。
4つの推定値すべての結果を事後的に比較することは推奨されません。この記事が、データに適した推定値を事前に選択するのに役立つことを願っています。他の推定方法は感度分析に使用できます。
JMPでは、これら4つの推定手法に加えて、複数のステップを踏むことで、他の多くの推定手法を実装できます。例えば、XGBoostやTorchアドインなどの機械学習ツール、あるいは一般化回帰やGLMMプラットフォームを用いて、AIPW（Analysis of Perspective：治療モデルと反応モデル）を実行することで、治療モデルと反応モデルを適合させることができます。
このブログは、当社でのインターンシップ中にこの作業に貢献してくれた Safiya Sirota さん ( @safiya_jmp ) との共同執筆です。
参考文献
Abadie A, Imbens GW (2006). 「平均処置効果のマッチング推定値の大規模標本特性」 エコノメトリカ , 74(1), 235-267.https://doi.org/10.1111/j.1468-0262.2006.00655.x
Benedetto U, Head, SJ, Angelini, GD, Blackstone, EH (2018). 「統計入門：傾向スコアマッチングとその代替法」 ヨーロッパ心臓胸部外科ジャーナル、53 (6), 1112–1117. https://doi.org/10.1093/ejcts/ezy167
Elze MC, Gregson J, Baber U, Williamson E, Sartori S, Mehran R, Nichols M, Stone GW, Pocock SJ (2017). 「傾向スコア法と共変量調整の比較：4つの心血管研究における評価」アメリカ心臓病学会誌、69 (3), 345–357. https://doi.org/10.1016/j.jacc.2016.10.060
グリン・AN、クイン・KM (2010).「拡張逆傾向重み付け推定量入門」政治分析、18 (1), 36–56. https://doi.org/10.1093/pan/mpp036
Scharfstein DO, Rotnitzky A, Robins JM (1999). 「セミパラメトリック無回答モデルを用いた無視できない脱落の調整」アメリカ統計学会誌、94(448), 1096–1120.
JMPでこの機能を使用する方法を示す例を教えていただけますか？分析の設定方法がよくわからないのです。
